雷鋒網(wǎng)按：近期，騰訊在2017”互聯(lián)網(wǎng)+”數(shù)字經(jīng)濟(jì)中國行廣東峰會上發(fā)布了醫(yī)學(xué)AI產(chǎn)品騰訊覓影，包含了6個人工智能系統(tǒng)，涉及的疾病有食管癌、肺癌、糖網(wǎng)病、宮頸癌和乳腺癌。

此次峰會上，騰訊優(yōu)圖實驗室以肺癌識別和糖尿病視網(wǎng)膜病變的篩查技術(shù)為例，分享了團(tuán)隊在這兩大領(lǐng)域的研究狀況。

肺癌識別

分享中首先談到，對比中、美、英三國的肺癌發(fā)生率和死亡率就會發(fā)現(xiàn)，國內(nèi)肺癌發(fā)生率其實低于英、美，但死亡率卻已超過英美，反映出中國肺癌致死率很高。一個重要原因是，當(dāng)診斷出患者有肺癌后，70%已到中晚期，錯過了最佳診斷和治療時間。

因此肺癌早篩在國內(nèi)是一件刻不容緩、繼續(xù)解決的任務(wù)。

早篩是減少肺癌死亡率的重要手段，癌癥早起多表現(xiàn)為肺部結(jié)節(jié)。

這些肺部結(jié)節(jié)的尺寸往往非常小、對比度很低、抑制化特別高，因此篩查工作都是由影像科專家去完成。但每個病人肺部CT的掃描圖片數(shù)目經(jīng)常會超過200層，因此當(dāng)遇到大量病者，人工閱片越來越耗時、耗力。

另一方面，微小肺部結(jié)節(jié)在影像學(xué)的表現(xiàn)可能與其他組織或部位產(chǎn)生混淆，比如和一些毛細(xì)血管、結(jié)核、假瘤混淆，也會影響到醫(yī)生的判斷。

騰訊優(yōu)圖實驗室希望幫助醫(yī)生能夠盡快、盡早去檢測出肺結(jié)節(jié)的區(qū)域，同時協(xié)助醫(yī)生做更準(zhǔn)確的判斷。

騰訊優(yōu)圖的解決方法

騰訊優(yōu)圖在肺癌識別的核心算法首先進(jìn)行預(yù)處理。這種方法的主要優(yōu)勢在于，通過三維分割和重建，處理不同成像設(shè)備產(chǎn)生的不同成像圖片。

AI影像團(tuán)隊不可避免這種情況：有些醫(yī)院的CT設(shè)備比較先進(jìn)，它拍一次CT可產(chǎn)生200層甚至更多切片，精度很高。但在很多設(shè)備比較落后的基層醫(yī)院，拍一次CT，往往可能只有40-50層。

因此，對于不同的設(shè)備，優(yōu)圖的算法也有著較強(qiáng)的適應(yīng)性。

另外，優(yōu)圖團(tuán)隊的核心算法不同于傳統(tǒng)醫(yī)學(xué)圖像處理方法，我們通過端到端一體化肺癌分類算法，輸入已經(jīng)處理好的3D肺部圖像，預(yù)估肺結(jié)節(jié)的大致位置。通過提取這些肺結(jié)節(jié)位置，再考慮整個病人肺部的全局信息，從而更好地判斷病人患有肺癌的風(fēng)險。

多尺度、多任務(wù)的3D卷積神經(jīng)網(wǎng)絡(luò)是幫助實現(xiàn)早期微小肺結(jié)節(jié)檢測的核心技術(shù)，這項技術(shù)既可協(xié)助我們關(guān)注到微小結(jié)節(jié)局部區(qū)域的特征信息，同時又可結(jié)合患者在整個肺部的全局信息，做出更好的預(yù)測。

成果

在具體的成果上，優(yōu)圖團(tuán)隊在早期肺癌上的敏感度可達(dá)80%。在部分疑難雜癥、比較難判斷的情況下，已經(jīng)超過普通醫(yī)生的平均水平。

后續(xù)優(yōu)圖的醫(yī)療AI也將在本月和多家三甲醫(yī)院合作落地。

糖尿病視網(wǎng)膜篩查

除了肺癌篩查，分享中也簡單介紹了他們團(tuán)隊在糖尿病視網(wǎng)膜篩查的工作。

2015年國際糖尿病聯(lián)盟發(fā)現(xiàn)有4億多的成人患有糖尿病。預(yù)計2040年，將會高達(dá)6.4億，其中高達(dá)30%-50的糖尿病患者都會患有糖尿病視網(wǎng)膜病變，其中患有糖尿病視網(wǎng)膜病變中有一成的患者將會面臨失明的風(fēng)險，人群數(shù)很有可能高達(dá)2500萬人。

從上述的數(shù)據(jù)顯示，糖網(wǎng)是一個非常嚴(yán)重的問題，對于成年人來說，糖網(wǎng)也是第一大致盲因素，接近四分之三的10年糖尿病患者都會患有糖網(wǎng)。

雖然問題嚴(yán)峻，但是值得慶幸的是，如果糖網(wǎng)在早期能夠被檢測出來，也有95%的希望去阻止失明的發(fā)生。所以對于糖尿病視網(wǎng)膜病變來說，早篩工作非常重要。

優(yōu)圖實驗室現(xiàn)在主要給糖網(wǎng)分為5期，第一是沒有病變，然后是輕度病變、中度病變、重度病變、增殖性病變、目前沒有細(xì)分的病變。

但是如果真正做到早篩，對于醫(yī)生來說具有一定的難度。

這里存在兩個情況，一個是我們會認(rèn)真判斷正常和患病的情況，它的橫坐標(biāo)代表的是一個患病樣本的誤檢率，縱坐標(biāo)是一個正常樣本的召回率。

現(xiàn)在在1%誤檢率的情況下，可達(dá)到90%正常樣本的召回率。而對于非增殖和增殖眼底的大樣本情況，也可以達(dá)到很高的準(zhǔn)確率。

高準(zhǔn)確率的背后還有一段路要走

騰訊優(yōu)圖作為AI基礎(chǔ)研究團(tuán)隊，從跨界的角度講，在這兩大醫(yī)學(xué)領(lǐng)域無疑取得了較好的成績，但后面的路仍道阻且長。

雷鋒網(wǎng)也發(fā)現(xiàn)，市場上絕大多數(shù)初創(chuàng)影像公司都在做肺結(jié)節(jié)和眼底方向的研究。

科大訊飛智慧醫(yī)療事業(yè)部總經(jīng)理陶曉東曾向雷鋒網(wǎng)透露，在肺結(jié)節(jié)這塊雖然大家都在說自己有著百分之九十幾的準(zhǔn)確率，但首先要問個問題，為什么大家都在做肺結(jié)節(jié)？這實際上可以反映出一個現(xiàn)狀：大家的創(chuàng)新能力還不夠，而且大家能夠得到的資源都很相似，因為肺部CT公開的數(shù)據(jù)最多。

除此之外，智能影像診斷到臨床還有非常長的路要走。

廣東省人民醫(yī)院放射科劉再毅教授談到，要真正應(yīng)用在臨床，需要解決它的精度、實用范圍和政策等問題，如果要政策批準(zhǔn)，必須經(jīng)過臨床試驗驗證，耗資會很巨大。

很多研究員和影像科醫(yī)生也針對這個問題發(fā)表了自己的看法：即便技術(shù)能達(dá)到99.99%，那萬一不幸的是，某個病人正好是那0.01%，最后是醫(yī)生來負(fù)責(zé)，還是AI來負(fù)責(zé)，這也是一個很重要的課題。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。